dc.contributor.author | Brito, André Ribeiro de | |
dc.date.accessioned | 2020-09-14T11:27:52Z | |
dc.date.available | 2020-09-14T11:27:52Z | |
dc.date.issued | 2020-05-20 | |
dc.identifier.citation | BRITO, André Ribeiro de. Método para classificação de sementes agrícolas em imagens obtidas por tomografia de raios-X em alta resolução. 2020. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2020. Disponível em: https://repositorio.ufscar.br/handle/ufscar/13236. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/13236 | |
dc.description.abstract | This research produced a method for classifying agricultural oil seeds based on tomography (CT) assays. Oilseeds may present good or poor quality for planting, the latter being related to the presence of defects associated with physical imperfections such as cracks, breaks and voids. In such a context, for the development of the method, high-resolution tomographic slices reconstruction have been considered, as well as the evaluation of digital image processing and visualization techniques, i.e., evaluations related to pre-processing, segmentation, extraction of supervised characteristics and classifiers. For such evaluations, samples containing oilseeds with and without defects for sunflower (Helianthus annuus L.), physic nut (Jatropha curcas L.), and soybean (Glycine max ( L.) Merrill) were classified. For the choice of the pre-processing, processing and visualization of tomographic images techniques, the following metrics were used: PSNR (Peak Signal-to-Noise Ratio), MSE (Mean Square Error), SSIM (Structural Similarity
Index Measure), and DSC (Dice Similarity Coefficient). Thus, for the establishment of the method, the techniques for filtering and segmentation have been selected considering the Nonlocal means and Gaussian filters, while for the segmentation steps, the simple thresholding and graph techniques have been selected, respectively. For the characteristic extraction stage, the HOG (Histogram of Oriented Gradients) and the Hu invariant moments techniques have been selected, as they can allow obtaining texture descriptors and descriptors based on geometric characteristics, respectively. Additionally, the PCA (Principal Component Analysis) technique has been used to establish a composite characteristic vector with these descriptors. Finally, not only the NB (Naïve Bayes) but also the SVM (Support Vector Machine) classifier shown its usefulness. Furthermore, for the method, the NB classifier has been indicated for the analysis of tomographic slices of sunflower seeds and the SVM classifier for the analysis of tomographic slices of jatropha and soybean seeds. The method developed for the grading of oilseeds has been shown to be suitable for selection in pre-planting, which helps to assist decision making in the selection of good
quality agricultural seed. It also contributes to the evolution of advanced techniques and analysis tools, obtained from digital image processing and visualization techniques. | eng |
dc.description.sponsorship | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Processamento digital de imagens | por |
dc.subject | Tomografia de raios-X | por |
dc.subject | Classificadores supervisionados | por |
dc.subject | Classificação de sementes agrícolas | por |
dc.subject | Digital Image processing | eng |
dc.subject | X-ray tomography | eng |
dc.subject | Supervised classifiers | eng |
dc.subject | Agricultural oilseeds | eng |
dc.title | Método para classificação de sementes agrícolas em imagens obtidas por tomografia de raios-X em alta resolução | por |
dc.title.alternative | Method for classifying agricultural seeds in high resolution X-ray tomography images | eng |
dc.type | Dissertação | por |
dc.contributor.advisor1 | Cruvinel, Paulo Estevão | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/7924553462118511 | por |
dc.description.resumo | Este trabalho apresenta um método para a classificação de sementes agrícolas oleaginosas a partir de ensaios tomográficos de alta resolução. As sementes oleaginosas podem apresentar boa ou má qualidade para o plantio, sendo essa última relacionada à presença de defeitos associados às imperfeições físicas como trincas, quebras e vazios. Para o desenvolvimento do método foram consideradas as reconstruções de fatias tomográficas em alta resolução, como também a avaliação de técnicas do processamento e visualização de imagens digitais, ou seja, avaliações relacionadas ao pré-processamento, segmentação, extração de características e classificadores supervisionados. Para a sua avaliação, foram consideradas amostras contendo sementes agrícolas oleaginosas com e sem defeitos para girassol (Helianthus annuus L.), de pinhão-manso (Jatropha curcas L.) e de soja (Glycine max (L.) Merrill). Para a escolha das técnicas de pré-processamento, processamento e visualização de imagens tomográficas foram utilizadas as métricas PSNR (Peak Signal-to-Noise Ratio), MSE (Mean Square Error), SSIM (Structural Similarity Index Measure) e DSC (Dice Similarity Coefficient). Desta forma, para o estabelecimento do método, as técnicas selecionadas para filtragem e segmentação foram as baseadas em filtro Non-local means e o Gaussiano, enquanto para as etapas de segmentação, foram baseadas técnicas de limiarização simples e grafo, respectivamente. Para etapa de extração de características, foram selecionadas as técnicas de HOG (Histogram of Oriented Gradients) e momentos invariantes de Hu, por permitirem a obtenção de descritores de textura e de descritores baseados em características geométricas, respectivamente. Adicionalmente, foi utilizada à técnica de PCA (Principal Component Analysis) para o estabelecimento de um vetor de características composto com esses descritores mencionados. Finalmente, foram avaliados e considerados os classificadores NB (Naïve Bayes) e SVM (Support Vector Machine). Para o método o classificador NB foi indicado para a análise das fatias tomográficas das sementes de girassol e o classificador SVM para a análise das fatias tomográficas das sementes de pinhão-manso e de soja. O método desenvolvido para a classificação de sementes oleaginosas se mostrou adequado para a seleção no pré-plantio, o que contribui para o auxílio à tomada de decisão na seleção de sementes agrícolas de boa qualidade. Também, contribui para a evolução de técnicas avançadas e ferramentas de análises, obtidas a partir de técnicas do processamento e visualização de imagens digitais. | por |
dc.publisher.initials | UFSCar | por |
dc.publisher.program | Programa de Pós-Graduação em Ciência da Computação - PPGCC | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | por |
dc.description.sponsorshipId | 132077/2018-3 | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/8676076486184629 | por |